分类： 健康

人工智能及其他领域：预测物联网边缘人工智能的未来

Posted on by Micah Kaplan

又到了预测季节。在 insight.tech，我们每年都会突出介绍 CCS Insight 的顶级物联网预测，今年包括大量边缘和人工智能预测。我们与 CCS Insight 物联网研究主管 Martin Garner 及企业研究主任 Bola Rotibi一起对预测做了分门别类（视频 1）。我们再次为读者提供完整的研究论文：2024 年及以后的边缘计算和物联网预测。请务必阅览。

视频 1。CCS Insight 的 Martin Garner 和 Bola Rotibi 讨论了即将到来的物联网和边缘人工智能趋势和预测。（来源：insight.tech）

很明显，人工智能有很多好处和机会；它有能力转变各行各业以及我们的生活。但也令公众颇感不安：在这个创新和扩张的“蛮荒之地”，他们的数据将如何使用，安全性如何，何人以何种措施保护这些数据？而将投资着眼于未来的企业，亦感紧张。然则有一点确定无疑：正确解读人工智能的状况，非一方之力。此举必是各方协作方能成事，而各方都在构建和使用这些解决方案。 

2024 年，边缘和人工智能对物联网预测的影响如何？

Martin Garner：显然，对于边缘和人工智能，2023 年可谓重要一年。ChatGPT 显然产生了巨大的影响，让世界真正见识到了人工智能的能耐，也见识到人工智能的不足。我们在去年 的预测中，大量谈及边缘，只有部分涉及人工智能。今年，我们大幅增加了人工智能的预测。不仅仅是生成式人工智能，如 ChatGPT ；也不仅仅是个人使用人工智能的用途。

举例而言，其中一个预测就是，到 2028 年，一家大型医疗保健提供商将为客户提供数字孪生服务，主动监测其健康状况。如今，个人的大量数据散落各处，例如在线病历、健身手环、智能手表、手机上的数据等等。但全都颇为杂乱，并未合并为一体。我们认为，医疗保健提供商将开始合并这些来源数据。他们将使用人工智能，基本上做工业领域已经在做的事情——预测性维护，但对象是人。当然，我们的目标是尽早干预，这往往意味着干预更小，通常也更便宜。这个例子说明了我们认为人工智能如何由此开始发展。

是否会因为这些进步而继续向云迁移？

Martin Garner：我认为云与边缘的争论将持续好几年。我认为许多国家都对经济感到担忧，我们也还没有完全摆脱疫情的影响。

因此，有一项预测是，由于人们担忧经济衰退，2024 年，工作负载将从云端转移到本地。此种做法的最佳候选者便是已经在使用混合云的公司。对于某些公司而言，硬件更新或许是一个良机，既可将部分工作负载调回企业内部，又能节省一些成本。这是短期的看法。

从长远来看，我们认为有几个领域会出现钟摆式波动，比如内包与外包，而边缘到云或是其中之一。但有个领域，我们还有一个预测，那就是到 2028 年底，云提供商的边缘计算服务将重新定价。

现在，这到底意味着什么？主要的云提供商都有边缘计算服务，但实际上，公共云才是该业务的重头戏。而边缘服务则是公共云的入口匝道，定价也是同理。但对边缘计算的预测显示，五年内的发展规模将超过公共云，甚至可能大得多。
如果出现这种情况，我们就会陷入大块头由小块头补贴的境地，而这毫无意义。

因此，我们确实预计，三到五年内，边缘云服务的价格将上扬，而且是大幅涨价。许多工业公司或许会考虑自建边缘计算，以使自己处于更有利的位置，有更多的选择。如果您愿意，可将边缘当作一种保障措施。

明年，预计人工智能解决方案会如何发展？

Bola Rotibi：2023 年是启动元年， 尤其是从 IT 解决方案提供商而言，新工具层出不穷，显然 ChatGPT 引发了人们巨大的兴趣。但我想说的是，人工智能的发展实有时日，比如在后台运行的机器学习及其他各种模型和算法等等。在手机上搜索图片，这些都是人工智能解决方案、人工智能模型。

我们看到的是生成式人工智能的强大功能，特别是当作一种生产力解决方案。生成式人工智能能够简化复杂的查询，并传回相关的简明信息。所以人人蜂拥而上。过去一年，我们看到，包括英特尔在内，各家供应商纷纷推出生成式人工智能功能，而且加强了各自的人工智能解决方案。我们看到 Microsoft 推出了人工智能助理 Copilot，AWS 推出了 Amazon Q。

因此，我们预测，尽管有人呼吁谨慎行事，但 2024 年人工智能的投资和发展将会加速。因为近几个月来，不少倡导者均表示，“少安勿躁。我们应暂缓行事。”人们还有点担心安全问题；担心是否制定了法规，法规是否足够有效。但与此同时，我认为人们确实渴望获得人工智能并加以发展，因为新的体验和参与程度让人们大开眼界。

未来一年，生成式人工智能的实际状况会是怎样？

Bola Rotibi：一方面，它会变得很棒，非常快；另一方面，也会出现一定的放缓迹象。另一个预测是，尽管存在泡沫，事实上我们也会看到很多新工具，所以我们确实认为 2024 年会有一定程度的放缓。部分原因是人们将了解实际的成本，以及今年开始暴露的一些风险和复杂性。

2023 年群情鼎沸之后，人们开始镇定下来，转变为冷静、微妙的态度，开始正确使用生成式人工智能，深入研究一些功能，例如生成代码。不同类型的工作场所解决方案中，皆能看到人工智能的身影，不仅帮助知识型工作者，还能帮助专家型专业人士。

随着投资的加速，您预计合乎道德的人工智能计划会增加吗？

Martin Garner： 简短的回答：是的，会有更多此类计划。人工智能有潜力在社会中发挥众多有益的作用，但如果使用不当，也会造成巨大的破坏。这有点像药品，有监管的药品，也有未受监管的药品。但主要区别在于，没有专业机构，没有希波克拉底誓词（医师誓词）。至少现在还不能把你从人工智能从业者的行列中除名。

目前，我们的情况恰恰相反，只要开发了新东西，人工智能领先公司就会立即将其开源，以最快的速度推向全世界。这显然对供应商和开发人员以及使用人工智能的客户公司提出了巨大的挑战，要求他们在使用人工智能时，采取合乎道德的立场。要正确行事，可谓多如牛毛。

我们预测，2024 年，于大型组织之内，人工智能监督委员会将司空见惯。该委员会由道德专家、人工智能专家、法律顾问、数据科学家、人力资源团队、不同业务单位的代表组成，负责审查全公司的人工智能使用情况。他们的工作是在技术团队（他们均为工程师，而非伦理学家）与组织及其目标之间架起一座桥梁。

对于很多公司来说，这就需要大量的管理费用，还需要大量的培训才能与时并进，始终全面掌控。这一切都是因为人工智能行业在自律方面做得很不够。

欧盟的人工智能法案对人工智能解决方案的开发意味着什么？

Bola Rotibi：欧盟率先颁行人工智能法案，就像 GDPR 一样。我们已经看到欧盟批准了《数字市场法案》。但并非只有欧盟这样做，美国、英国、中国和其他地区也在做。因此，我认为监管机构正在形成合力，2024 年底开始，将会看到一定程度的改善。但我认为，在人们努力适应和理解这一切的意味之时，会有一种磨合的过程，总会有些小问题。但我认为，这将成为人们团结一致的东西。

另一件正在发生的事情是行业层面的监管。最近，包括 IBM、Meta 和英特尔在内的 50 家组织发起了人工智能联盟。联盟的宗旨是集结业界之力，共同完成标准化工作；齐集工作组；为应对某些人工智能挑战和机遇，出谋划策；以及成为终端用户之间互动的枢纽。

对于构建人工智能解决方案的开发人员而言，需要考虑哪些因素？

Bola Rotibi： 不仅仅在于开发人员。安全是工作流程中人人应负的责任，同样，对人工智能采取合乎道德的方法也是如此。当然， 开发人员可以自问，“ 嗯，我能做，就该做吗？”但同时，要想保持一致性，就必须提供指引和原则，在整个组织内分发和传播。这需要从基层做起，也需要自上而下。

因此，我认为未来将采取分层的方法。这也许能意味着，Martin 提到的监督委员会从道德角度，思考组织的现状，并开始制定政策。然后，这些政策将纳入工具之中，以充当护栏。但同时也要对开发人员提供指导和培训，让他们在开发过程中，采取负责任的人工智能方法。

众多组织都在思考影响力、可持续发展以及所有这些方面的问题，因此已经有大量的想法和倡议，让人们从多个层面思考，不仅仅思考负责任的人工智能，还要思考全面做正确的事情。

5G 如何适应这一点？何时开始关注 6G ？

Martin Garner： 5G 要做的事情之一就是扩大人工智能的使用，这要归功于 5G 所具备的大容量、时间敏感型网络定位服务。我们将看到，在多个领域，人工智能的运用都在增加， 例如自动驾驶汽车、我们现在拥有的 5G 以及即将推出的 5G 新技术（是实现这一目标的关键推动因素之一）。

但我认为另一个有趣的方面是人工智能对 5G 的影响。5G 网络很复杂，整个优化和管理是个大问题。我们对此有一个预测，即人工智能将使 5G 网络的可用性超越 5 个 9（99.999%）。这就需要分析流量模式，确保网络的设置能够完美处理特定类型的流量，发现问题，执行预测性维护，以及配置网络，以使出现问题时，能够优雅降级，甚至自我修复。

虽然 6G 还为时尚早，但工作当然还在继续。未来五年左右，我们将建设 6G 网络，我们认为 2030 年将是 6G 的重要一年。我们确实有一些 6G 的预测。其一是，到 2030 年，首个由 6G 技术驱动的大型双子城将宣告成立。我们认为，城市将是 6G 的绝佳展示场所，而大规模孪生将是最佳用例之一，因为城市的所有层面都会纳入模型中。仅看城市实时数据的庞大数量和速度，就需要 6G。我们认为 2030 年将是 6G 的重要一年。

相关内容

要详细了解边缘人工智能趋势预测，请收听《2024 年顶尖物联网和边缘人工智能预测：与 CCS Insight 共鉴》，以及阅读报告《2024 年及之后的边缘计算和物联网预测》。有关 CCS Insight 的最新创新，请在 Twitter 上关注 @ccsinsight，在 LinkedIn 上关注。

本文由文案编辑 Erin Noble 编辑。

除了聊天机器人：生成式 AI 解决方案的潜力

Posted on by Micah Kaplan

AI 已经成为头条新闻已经有一段时间了。但随着我们进入 2024，生成式 AI 会成为最新的突破。大部分注意力都集中在 ChatGPT 上，并伴随着许多关于什么是生成式 AI 的误解和误区。

为此，我们采访了 AI 应用程序平台提供商 Anyscale 的首席科学家 Waleed Kadous；全球管理咨询和技术公司埃森哲云第一首席技术专家 Teresa Tung；以及与埃森哲和英特尔合作的 AI 和分析首席总监兼首席技术官 Ramtin Davanlou。他们讨论了生成式 AI 解决方案的商业机会、所涉及的挑战以及下一步的计划（视频 1）。因为生成式 AI 将继续存在，并且有很多值得期待的。

视频 1. 来自 Anyscale 和埃森哲的行业专家讨论了生成式 AI 解决方案的影响和机遇。（资料来源：insight.tech）

请解释生成式 AI、商业机会和挑战。

Ramtin Davanlou：总之，像 OpenAI、谷歌和 AWS 这样的公司利用其庞大的计算资源和庞大的数据集来训练 AI 模型 或 LLM（即大型语言模型），以生成新内容，构建全新的知识。这些内容以不同的形式出现：文本、图像、视频、语音，甚至计算机代码。但文本尤其重要，因为它是大多数企业的主要通信手段。

这些 AI 模型中的许多模型能够在任何给定主题上生成非常好的响应，比该主题领域的普通人甚至普通专家都要好。然后，公司可以采用这些模型，并对它们进行微调，以便模型以某种方式发挥作用，并获得有关特定环境的更多知识。这创造了许多机会。

公司可以使用生成式 AI 来做一些事情，例如发送电子邮件或创建幻灯片等，我们创建的所有内容都是为了相互通信，或增强这些内容。这对服务行业，以及与机器人相结合的制造业产生了巨大的影响。

LLM 现在无法做到，但很快就能做到的是从头开始创造全新的知识。

企业在开发 GenAI 解决方案时，应该考虑哪些因素？

Waleed Kadous：一个考虑因素是这些模型的输出质量。LLM 有一个问题，称为幻觉，他们自信地断言一些完全不真实的事情。那么，您如何进行评估，以确保该系统实际上产生了高质量的结果？您使用哪些基础数据？在过去的六个月中，我们在一个被称为“检索增强生成”的领域取得了进展，它有助于最大限度地减少幻觉问题。

第二个考虑因素是数据清洁度，这与这些 LLM 可以访问的信息有关。它们披露了哪些信息？它们能告诉人们什么? 不同用户之间是否有泄漏？有人是否可以对用于训练模型的数据进行逆向工程？它仍然是一个新的领域，所以我们仍然可以看到在这一领域出现的问题。

然后，最后一点是 LLM 成本很高。我的意思是，非常昂贵。您可以在一个月内轻松地在 GPT-4 上花费 10 万美元。

企业怎么才能开始将 GenAI 解决方案带入下一个层次?

Teresa Tung：大多数公司都有概念证明，许多公司都是从 OpenAI 等管理模型开始的。这些令人惊叹的通用模型可以解决许多用例，并提供了一个非常好的开始方式。但正如 Waleed 提到的那样，从长远来看，成本是一个因素；它可能比许多公司愿意支付的价格高出一个数量级。因此，公司现在需要考虑合理调整成本，并根据业绩调整成本。

当 AI 模型对企业变得越来越重要时，我们也看到公司希望掌握这些模型。他们可能会想要创建自己的特定任务和特定模型，而不是使用管理模型。可以根据不同的需求定制 100 亿以下的参数模型。仍然会有通用模型，但也有适合用途的模型。

Waleed Kadous：我们在 Anyscale 所做的实验之一是将自然语言翻译为 SQL 查询。通用模型 GPT-4 能够产生的准确率为约 80%。但通过训练 SSM（小型特定模型，只有 70 亿个参数，费用大约是成本的百分之一），我们能够实现 86% 的转换准确率。因此，小型特定模型与大型语言模型之间的讨论（现在正在这个行业发生）正在不断演变。

现在，您的客户的最大的生成式 AI 机会在哪里？

Waleed Kadous：第一种用例商机是总结。是否有一些领域，您可以浓缩大量信息，以及浓缩哪些领域的信息是有用的？

第二种是我之前提到过的检索增强生成家族。在那里，您不仅可以天真的问 LLM 问题，而且实际上可以为其提供上下文，以及现有的答案知识库，以帮助回答这些问题。

另一个有趣的应用程序是您将其称之为“与系统交谈”的应用程序。将其想象成您可以与之交谈的仪表板，即升级版的仪表板。这在物联网中尤其有趣。我曾见过一家在这方面做得很出色的公司；它为零售商安装 Wi-Fi。您可以问这个仪表板这样的问题：“我们在哪里看到路由器工作太努力了？”它将实时查询这些信息，并为您提供更新。

最后是上下文中的应用程序开发。也许最有名的是 Copilot，当您编写代码时，它将为您提供有关如何编写更好、更高质量的代码的建议。上下文中的应用程序最困难，但它们的潜力也最大。

Teresa Tung：Waleed 给出了一个很好的概述，所以我将从不同的视角阐述您可以购买的东西、可以提升的东西以及您可以构建的东西。“购买”是能够为软件开发、营销和企业应用程序购买生成式 AI 驱动的应用程序。他们使用经过第三方数据训练的模型，使任何人都能够获得这些效率。这正迅速成为一种新常态。

“提升”是应用公司的第一方数据，即有关您的产品、客户、流程的数据。要做到这一点，您需要整理好数据基础，检索增强生成就是一个很好的开始方式。

“构建”是指公司维护自己的自定义模型。这可能从预先训练好的开放模型开始，然后向模型添加自己的数据。它在模型中为您提供更多的控制权和更多的自定义。

像埃森哲与英特尔这样的合作关系从何而来？

Ramtin Davanlou：在这一领域，合作伙伴关系非常重要，因为试图构建端到端的 GenAI 应用程序的公司通常必须解决基础设施和计算资源等问题。例如，您需要非常高效的 ML Ops 工具，以帮助您处理从开发到管理、监控和在生产环境中部署模型的各个部分。

我们已经使用了一些英特尔软件，如 cnvrg.io，这是一种 ML Ops 工具，允许数据科学家和工程师在相同环境中进行协作。它还允许您跨不同的云平台使用不同的计算资源，例如在本地环境、英特尔® Developer Cloud 和 AWS 上。

合作伙伴关系也有助于降低总拥有成本，特别是在您扩大规模时的成本。为什么不为每个新用例构建新平台，而构建一个您可以重复使用的平台？例如，我们与英特尔合作，使用 Intel Developer Cloud 以及 GaudiTools （专门用于微调深度学习应用程序模型的 AI 加速器）构建了一个生成式 AI playground。然后，为了大规模部署这些模型，您可以使用 AWS。

另一个例子是需要一种工具来帮助分配工作负载。Hugging Face 有一个叫做 TGI 的库，非常有用。因此，您可以看到，需要将许多不同的组件和片段组合在一起，才能拥有一个端到端的 GenAI 应用程序。

Waleed Kadous：另一个问题是开源的想法，即开源模型，当然还有开源软件。Meta 发布的一个示例是称为 Llama2 的模型，我们已经看到了非常非常好的效果。它可能不能与 GPT-4 相提并论，但绝对接近 GPT-3.5，比 GPT-4 低一个档次。Berkeley 有一个 vLLM，一个高性能的部署系统；还有 Ray LLM。vLLM 管理一台机器；Ray LLM 为您提供了跨多台机器的可扩展性，以处理峰值和自动扩展等。

我们看到开源的蓬勃发展，因为不是每个人都喜欢把他们所有的数据委托给一两个大公司，并且供应商锁定是一个真正的问题。还有灵活性：我可以在数据中心部署某些东西，或者在我自己的 AWS 云中部署它，除了我之外，没有人可以访问它。

由于成本原因，开源解决方案更便宜。我们做了一个关于构建一个电子邮件摘要引擎需要花费多少钱的概要，如果您使用像 GPT-4 这样的东西，它将花费 36000 美元，如果您使用开源技术，它将花费约 1000 美元。

我们已经看到很多公司对开源模型很感兴趣，从倾向于更注重成本的初创公司，到倾向于更注重隐私和数据控制的企业。并不是说开源模型和技术是完美的，只是它们很灵活，而且成本更低。从1800 亿到 700 亿及以下，各种规模的模型都可用。现在它只是一个非常动态的空间。

需要做些什么，才能使生成式 AI 更成为主流？

Waleed Kadous：一个不断增加的趋势是努力使 LLM 更易于使用。但另一个问题是，我们还没有完全弄清楚如何随着时间的推移，让它们变得更好。如果 LLM 犯了一个错误，您如何纠正它？这听起来是一个很简单的问题，但答案实际上是有细微差别的。因此，我们看到评估和监控阶段有了巨大的改进。

然后，到目前为止，重点一直放在大型语言模型上——文本输入和文本输出——因为世界上的每一家企业都使用语言。但我们开始看到可以处理或输出图像的模型的演变。就像用于文本的有 Llama，现在也有用于视频和视觉处理的 LLaVA ，尽管并非世界上所有企业都需要处理图像。

在生成式 AI 的话题上，业务领导者应该注意什么？

Teresa Tung：希望要点是意识到开始拥有自己的 AI 模型是多么容易。但它确实是从准备好数据基础的投资开始的——记住，AI 是与数据有关的。好消息是，您还可以使用生成式 AI，帮助数据供应链顺利运行。因此，这是双赢的。

Ramtin Davanlou：我认为，监管和道德合规，以及在我们所谓的负责任的 AI 下处理幻觉和其他主题，是公司需要克服的最大挑战。大规模使用 GenAI 所需的文化变革是它成功的关键。

Waleed Kadous：现在开始很重要，而且不需要很复杂。可以把它想象成一个分阶段的过程。构建原型，并确保用户喜欢它。然后考虑成本，在某种程度上，质量是次要问题。

您还可以为人们提供工具来优化他们自己的工作流程，并改进 LLM 本身。我认为这是最令人兴奋的趋势之一，与其将 GenAI 视为一种替代技术，不如将其视为帮助人们更好地完成工作的增强技术。帮助人们以一种让他们感到有能力而不是被淘汰的方式使用 LLM。

相关内容

要了解有关生成式 AI 的更多信息，请收听导航生成式 AI 解决方案领域。要了解埃森哲和 Anyscale 的最新创新，请关注它们：

 

本文由文案编辑 Erin Noble 编辑。

API 安全填补了网络保护方面的关键空白

Posted on by Micah Kaplan

无论您以数字方式访问银行账户、进行在线购买或登录云应用程序，您都需要使用应用程序编程接口 (API)。API 充当应用程序中的网关，是数字连接的粘合剂。然而，人们对它们仍然知之甚少，而且往往感觉不安全。

组织依赖于数百个甚至数千个 API，但 CISO、CIO 和 CTO 通常不了解准确的库存。这就解释了为什么 API 已经成为一种常见的网络攻击矢量的原因。涉及 API 的问题包括身份验证实践不佳、配置错误和缺乏监控。

API 安全是一个巨大的挑战，在很大程度上，这是网络安全解决方案如何应用的结果。大多数解决方案采用“马眼罩”方法，保护计算环境的特定部分，如端点、服务器和云应用程序，API 安全公司 Noname 战略联盟的技术总监 Ryan B 说。“他们只会看到他们专门课程中的内容和他们眼球前面的东西。”

结果：IT 环境中出现了巨大的安全漏洞，不仅影响了公司的内部资产，还影响了与不断增加的云端和软件即服务 (SaaS ) 应用程序堆栈的连接。Noname 填补了这一空白，无论资产在哪里，都可以利用人工智能和机器学习算法分析流量，并在云端、本地或两者兼而有之的地方识别和阻止恶意行为。“我们是专门为 API 问题而打造的，” Ryan 说。

Noname 从企业而不是安全供应商或云提供商的角度应对 API 挑战，从整个环境的全景视图来保护所有 API 。

“我们发现许多解决方案无法识别与 API 有关的恶意活动，” Noname 全球战略联盟副总裁 Peter Cutler 说。“当它们发现恶意活动时，已经太晚了。这就是为什么 Noname 集成开箱即用的 SIEM（安全信息和事件管理）和端点保护等网络安全解决方案的原因。”

利用人工智能和机器学习发现 API 漏洞

根据用于应用程序安全的开源基础 OWASP，最常见的 API 漏洞包括：

  • “损坏对象级别身份验证”，允许用户根据用户角色访问数据，而无需验证该人员是否有权访问数据
  • “损坏身份验证”，当攻击者入侵密码、会话令牌和用户帐户信息等凭证时，就会发生这种情况
  • “损坏对象财产级别身份验证”，涉及一个用户访问另一个用户的数据

恶意机器人通常是这些攻击的幕后黑手。试图对抗机器人行为的人类无法在速度和能力上与它们竞争，因此需要人工智能和机器学习。

“这是一个需要解决的超人问题。您雇用的所有人、您购买的所有技术，您认为这些是工作的合适的解决方案。您购买了防火墙、聘请了安全顾问、运行了一些渗透测试。猜猜是什么方法？这还不够好，” Ryan B 说。

Noname 使用机器人对抗机器人。在客户环境中实施的第一周，Noname® API 安全平台处于学习模式，观察使用 API 的应用程序之间流量的移动模式。该平台记住 API 规范、请求和响应模式，并查看涉及支付卡数据等机密信息的通信参数。

从第二周开始，安全平台会利用第一周获得的基准知识来识别偏离正常模式的活动。然后，人工智能确定这些异常是否是恶意的。可疑活动会被标记和阻止。Noname 对流程应用了置信度评分。Ryan B. 说，它基于至少 80% 的机器学习派生方法来确定某个特定动作是否是恶意的，并且可以追踪到攻击者及其已知位置。

为了使 IT 防御保持最新状态，Noname 使用了主动测试，这是一种模拟网络攻击的技术。每当客户更改环境时，此运行时测试会检查新的软件版本、端点或其他组件是否受到适当保护。这可以防止将新的漏洞引入环境。

Cutler 说，如果没有主动测试，组织启动新的生产 API 时，”就会祈祷 API 网关或网络应用程序防火墙 (WAF) 和其他安全层将识别和保护它们。这是非常危险的，肯定不是一个好的策略。”

API 安全意识需要高性能计算

当然，机器学习和人工智能将继续在 API 安全方面发挥重要作用。随着流量的增长，机器学习和人工智能需要大量的处理能力。”我们一开始使用 8 个 CPU，每秒处理大约 3000 条消息。当 API 流量扩展到每秒处理 7000；10000； 20,000 条消息时，我们的机器学习引擎将需要更多的 CPU，” Ryan B 说。

Noname 与英特尔密切合作，以利用运行人工智能和机器学习所需的性能。该公司对第五代英特尔® 至强® 处理器进行了基准测试，以从性能显著提升中受益。利用英特尔嵌入式加密技术来防止恶意行为者损害 Noname 技术的工作也正在进行中。

展望未来，Noname 希望 API 能被更好地理解。这需要教育，这是公司使命的一部分。

“我认为，进入 2024 年，人们将更加重视安全。他们将为工作购买合适的工具，并利用这些创新，以一种他们以前从未尝试过的方式保护他们的系统，” Ryan B. 说。

 

由 insight.tech 主编 Georganne Benesch 编辑。

掌握面向下一代人工智能的工具

Posted on by Micah Kaplan

人工智能正在改变世界，每天都在不同行业中不断发展。这在一定程度上是因为开发人员正在构建新的解决方案，并努力跟上新一代人工智能的发展。英特尔帮助使这一切成为可能，为开发人员提供所需的技术和工具，例如 OpenVINO™ 和英特尔® Geti™。此外，OpenVINO 和 Geti 旨在将开发人员和业务领域用户连接在一起，进一步促进下一代人工智能解决方案和使用案例的发展。

为了了解有关下一代人工智能开发的更多信息，我们与英特尔人工智能传道者 Paula Ramos 做了探讨。她讨论了人工智能解决的现实问题、所涉及的英特尔功能以及人工智能的民主化和传播（视频 1）。因为这不仅关系到向开发人员提供工具和技术，同样重要的是提供教育和资源，让更多人率先进入这一领域。

视频 1。英特尔公司人工智能传道者 Paula Ramos 探讨了使下一代人工智能成为可能的趋势和技术。（资料来源：insight.tech）

您认为如今人工智能将如何推动并解决现实世界中的问题？

人工智能发展迅速，日新月异。现在，人们对它的认识比以往更加深刻，因为这些现实世界中的问题已经变成了令人惊叹的解决方案。初创公司正在利用硅能和人工智能的能力来解决这些问题。

例如，人工智能运用翻译帮助人们交流，在百种语言之间翻译文本。另一个很好的例子是一些汽车品牌正在使用的自动驾驶汽车系统，该系统可以控制汽车转向、加速和制动，并有可能减少交通死亡和交通事故。人工智能可以帮助医生诊断癌症，制定个性化治疗方案，或加快新药和新疗法的应用。人工智能正在帮助农民少用农药和除草剂。人工智能正在帮助人类更快解决问题。

让人工智能更容易为开发人员所用有什么重要意义？

对此我有三个想法。首先，为开发人员创建更易访问的信息，可以加快人工智能创新的速度。能够使用人工智能工具的开发人员越多，使用起来越容易，技术的发展就会越快，从而加快创新的速度。获得最新的硬件改进也很重要。人工智能实际上是另一种工具，因为它使开发人员能够更高效构建和部署应用程序。

第二点是人工智能的民主化。我们需要确保人工智能适合每一个人，每一个开发人员都有机会从这项技术中受益。我们改善获取人工智能的方式，可以弥合人工智能采用的差距。

第三点是解决人工智能人才短缺问题。目前，世界上对人工智能开发人员的需求量很大，但开发人员的数量却不足。我们降低学习和使用人工智能的难度，可以帮助训练更多开发人员，缩小人工智能人才的短缺。

已经出现了哪些工具和硬件可以解决人工智能民主化的问题？

我对英特尔发布全新人工智能电脑感到激动不已。这款电脑搭载英特尔® 酷睿™ Ultra 处理器，整合了 GPU 和称为 NPU（神经处理单元）的新元件。九月，我在英特尔® 创新大会的生成式人工智能展位上展示了该款电脑，其性能卓越。英特尔公司首席执行官 Pat Gelsinger 演示了在一台人工智能电脑（本地 Windows 计算机）上运行 Llama 2 聊天机器人（LLM 模型）的情况。在没有互联网连接的情况下使用人工智能，不把数据发送到云端，肯定会更安全。

众所周知，很多人认为英特尔只是一家硬件公司，但我们正在努力向开发人员展示如何使用 OpenVINO（英特尔拥有的推理和部署框架）等框架或系统，轻松改进他们的解决方案。人工智能电脑还能够运行 OpenVINO。OpenVINO 向我们展示了英特尔利用人工智能的潜力。OpenVINO 现在无处不在：智慧城市、制造业、零售、医疗保健和农业。在过去一年中，它的下载量增加了90%。

您能否更详细介绍一下 OpenVINO™ 与人工智能之间的关系？

OpenVINO 是英特尔在客户端和边缘平台上为开发人员提供的一个工具套件；它支持 AI at the edge（边缘人工智能），使人工智能——生成式人工智能更容易获得，在多个硬件平台上优化神经网络推理。不过，OpenVINO 的主要目标是优化和量化模型，从而缩小模型的大小。我们可以减少内存占用，还能在各种硬件（英特尔和非英特尔硬件）中更快运行模型。我们正在利用 OpenVINO 解决开发人员的真正痛点。

另一件重要的事情是，只要拥有了中间表示格式（即 OpenVINO 格式）的模型，就可以在各处部署。这是英特尔与部分竞争对手之间的其中一个差别。

开发人员如何利用英特尔® Geti™？

英特尔 Geti 是一个帮助企业快速开发计算机视觉模型的平台。简而言之，它将所有必要的工作整合在一起，例如注释、训练、优化、测试。您可以创建项目、上传注释、上传新的生产数据或以前的数据。您可以修改可训练的功能，测试服务器上运行的部署，也可以下载部署到本地运行。

因此，使用该技术有很多好处。数据科学家、机器学习专家、系统集成商和领域专家可以使用同一个平台协同工作。这是因为它易于使用，而且可以控制训练和优化过程的多个方面。它还可以提供不同格式的建模，其中一种格式就是中间表示格式–OpenVINO，这是 Geti 平台的后台优化和量化工具。

英特尔 Geti 平台还提供 SDK，帮助用户利用易于使用的功能。该平台利用 OpenVINO 构建部署管道，并在包含 CPU 和 GPU 在内的各种英特尔硬件平台上加速推理，而无需计算机视觉专业知识。这就是这个平台的魅力所在。

使用英特尔 Geti SDK 进行部署对开发人员来说非常简单，因为该 SDK 与计算机视觉任务无关，也与模型架构无关。开发人员不需要为模型输入准备数据，也不需要为显示结果准备模型输出。

女性进入人工智能领域会面临哪些挑战？

我非常热衷这个话题。就我个人而言，我代表了全球科技工作者中的两个少数群体。首先是科技界的女性，其次是科技界的拉丁裔女性。你可以把 “科技”理解为人工智能或一般意义上的工程学。全球科技人员中有 50% 是女性，但拉丁裔女性仅占 2%。因此，这是一个代表性严重不足的问题，我希望为减少拉丁国家，尤其是拉丁美洲国家缺乏教育和培训机会的现象做出贡献。

但我也希望激励更多女性从事人工智能工作。我想减少歧视和偏见。无论男女，每个人都应该有机会在科技领域取得成功。妇女也可以坐在桌边，认真讨论技术问题。女性对于如何解决问题具有独特的视角；我们拥有独特技能，能够创造出满足所有用户需求的产品和服务。

而且我们已经为人工智能领域做出了重大贡献。人工智能研究员、斯坦福以人为本人工智能研究院联合创始人李飞飞博士就是一个例子。她为深度学习的诞生做出了贡献。她开发了 ImageNet 计划，该计划在深度学习的部署中发挥了重要作用。这是一位女性对人工智能产生的非凡影响，因此我可以想象，其他女性也能为这一领域做出或多或少的贡献。

关于人工智能发展的未来，您还有什么想补充的吗？

有一个重要问题，我想与开发人员分享：你的梦想在哪里？你可以实现这些目标，因为人工智能是一种强大的工具，有潜力让世界变得更美好。

所以，去尝试新技术、新模型和算法吧。尝试参与开源项目，并成为开源项目的积极贡献者。随时了解使人工智能更实用的最新趋势。我们需要构建一个包容、公平、有益于所有人的人工智能。动力就来自你的想像力。

相关内容

如要了解人工智能趋势的更多信息，请阅读《人工智能传道：加速开发人员成功的关键 (Evangelizing AI: The Key to Accelerating Developers’ Success)》 并收听《与英特尔一道探索下一代人工智能 (Exploring the Next Generation of Artificial Intelligence: With Intel)》。有关英特尔的最新创新，请在 Twitter 上关注 @IntelIoT，在 LinkedIn 上关注 Intel Internet of Things。

 

本文由文案编辑 Erin Noble 编辑。

AI 集成平台提供丰富的数据洞察

Posted on by Micah Kaplan

物联网和人工智能解决方案提供商 EPIC iO 首席执行官 Ken Mills 表示，当谈到技术实施时，公司想要的是他们可以立即食用的披萨，而不是需要组装的乐高积木。

是的，物联网和人工智能是革命性的，可以显著提高效率。但是，要让这些技术发挥作用，连接性、数据集成、可视化等等这些组成部分的庞大数量，就会让 IT 团队头晕目眩。
米尔斯说：“客户的技术应用能力还不足以自己找出人工智能解决方案，他们需要帮助。”

开发 AI 集成平台

EPIC iO 帮助让这些技术为客户所用，实际上就是为人工智能和物联网解决方案制作披萨。

该公司通过 EPIC iO DeepInsights——一个软件平台，让不同的技术组件协同工作。DeepInsights 就像披萨饼皮，将物联网传感器、人工智能和计算机视觉以及连接性结合在一起。“我们将整个堆栈提供给客户，这样他们就不必购买五个不同的其他软件包来使这些技术发挥作用。” Mill 说。EPIC iO 在为数据提供上下文方面特别有用，从而带来更敏锐的洞察力。

为了进一步扩展披萨的比喻，公司可以挑选他们想要包含的“配料”（传感器），无论是用于视频数据分析的摄像头，还是用于提供和监控边缘设备的连接传感器。

人工智能民主化模板

开放式人工智能和物联网软件平台的优势在于，您不必每次都提供定制的解决方案。“我们正在整合经过验证的模板，以便我们的客户可以自动执行工作流程并赚更多钱。” Mills 说。

创建可复制的人工智能解决方案还可以降低采用障碍，实现技术的民主化。EPIC iO 的使命是让世界更安全、更智能、更互联。人工智能的成本正在降低，因为必要硬件和计算的成本和性能都在提高。
这些因素也有助于改善普及性。

当公司只想突出自己的优势时，模板格式尤其有用。
例如，数据分析公司 SAS 与 EPIC iO 合作，这样他们就可以在 EPIC iO 所安装解决方案收集的边缘数据上叠加自己的技能。“EPIC iO 和 SAS 是很好的合作伙伴关系，因为我们可以在边缘收集所有数据，并通过计算机视觉和机器学习模型，生成事件和规则，然后将数据传递给 SAS 开展更深入的分析。” Mills 说。

物联网分析的效率

另一方面，在许多情况下，公司知道他们需要改进流程，但他们不确定人工智能解决方案是否能起到作用。
例如，加利福尼亚州的一家大型公用事业公司会派遣工人检查储罐的填充量，并在填充量过低时跟进。该公司在第一次评估流程效率后，探索安装摄像头，并由人工监控。但是，“人在环路中的解决方案并不具有成本效益，也不实用，尤其是在拥有人工智能等技术的情况下。” Mills 说。

相反，EPIC iO 建议安装物联网摄像头传感器，使用人工智能和计算机视觉来测量填充率并主动检测问题。只有当填充量下降时，工人们才需要前往检查。更好的是，由于人工智能带来的数字化转型，该公司获得了更多、更有用的数据，包括站点的使用方式和时间，而不是关注填充率这一狭隘的问题。

公用事业案例说明了如何利用人工智能提高运营效率。公司需要问一问，哪些问题他们还没有找到解决方案，哪些问题对他们的业务最有意义。
Mills 说：“只要确定了这两个载体，那么就有可能找到人工智能可以提供帮助的解决方案。”

与合作伙伴合作

DeepInsights 构建于英特尔® OpenVINO™ 工具套件之上并有英特尔 CPU 和 GPU 的支持，既提供高性能计算，又能降低能耗。该软件也是云原生的，不依赖于单一云环境。DeepInsights 具备可移植性，使客户能够控制其人工智能相关数据的存储和推断地点，这对遵守隐私和数据处理法规至关重要。

虽然 EPIC iO 为客户提供简单的解决方案，但该公司仍与系统集成商合作，建立物理基础设施，并在需要时提供持续的现场支持。集成外部软件程序并建立运行工作流程，也属于系统集成商的职责范围。

人工智能民主化的未来

计算机视觉和传感器为人工智能的实现提供了无限可能：例如，一个强大的姿势分析模型可以确定医院病人是否在病房中跌倒，以便工作人员可以在必要时干预。

使用人群分析来监控零售楼层的活动是另一种用途，使用人工智能来帮助改善城市的空气质量和安全也是一种用途。

Mills 尤其热衷于使用生成式人工智能，让普通用户更容易获得洞察力。
他期待的另一项发展方向？人工智能的民主化。“我真的很兴奋，越来越多的人将能够在各个行业领域利用人工智能，而且不仅仅局限于最大的公司和城市。” 他说。人工智能的民主化是实现一个更安全、更智能、更互联世界的必由之路。

 

由 insight.tech 主编 Georganne Benesch 编辑。

云桌面解决方案提升智能医院效率

Posted on by Micah Kaplan

医疗保健的数字化转型为我们带来了“智能医院”。新一代设备利用人工智能、物联网、数字化信息系统和云计算整合医院数据、简化医疗工作流程并改善患者护理。

智能医院可帮助解决医疗行业痛点，如人员短缺、预算削减以及导致护理需求增加的人口老龄化。但医院在采用数字工具和基础设施的过程中遇到新的挑战。一个明显的例子是医护人员所用的 PC 工作站的运行和管理。

“从住院部、门诊部到后台团队和培训部门，整个医院都正在走向数字化，”为医院提供云桌面服务的数字基础设施提供商新华三技术有限公司 (H3C) 云和智能产品线高级产品经理 Han Xingkun 表示。“但这些用户群的需求各不相同。技术人员必须进行广泛定制，并分别管理和维护不同的终端环境和应用程序。这给医院 IT 部门带来巨大的压力。”

除了管理和维护方面的挑战之外，PC 终端还有其他限制。它们往往成本高昂，并且对资源的消耗也很大。安全性也很难保证，在网络攻击和勒索软件盛行的时代，这确实令人担忧。

对医疗保健行业来说，好消息是有一种替代传统 PC 终端的方法可以解决这些问题：云桌面。云桌面又称作托管桌面、虚拟桌面或桌面即服务，是系统，是一种将用户操作系统、设置和应用程序托管在云端而不是特定 PC 上进行管理的系统。用户从任何设备通过网络连接访问其个性化的桌面环境。

虚拟桌面既可靠又安全。它们与标准 PC 相比更具成本效益，因为可以通过轻便、节能的终端硬件访问。最重要的是，云桌面平台现在支持多种配置选项，使 IT 部门更容易管理不同用户组的桌面环境。

让智能医院更智能

现代云桌面解决方案通过基于云的单一平台实现终端环境部署和管理，并允许对多个虚拟桌面架构进行集成管理。这在医院环境中至关重要，因为它使 IT 团队能够为不同部门和用户群体提供所需的准确信息：

  • 住院部每周七天全天候运作，由医生和护士组成的团队负责照顾虚弱患者。云桌面服务提供高度稳定的系统，可实现持续运行。轮班工作的医护人员可方便地进行共享，如果出现问题，远程信息技术人员也可以快速修复。
  • 门诊部每天为大量患者提供服务，并将登记、付款和药房功能结合起来。虚拟桌面可提供医院环境所需的高可靠性和强大安全性。它们还支持患者服务窗口的多种外设设备，例如一体式读卡器、二维码扫描器、高清摄像头、收据打印机和销售点设备。
  • 后台工作人员在更为传统的办公环境中工作，每天都有相同的用户使用相同的终端。在这种情况下可以对云托管桌面进行配置，以支持更多基于帐户的用户体验，实现更大程度的个性化、更复杂的应用程序和远程工作选项。
  • 医院的培训设施基本上都是教室，有大量的桌面终端，不同的学生和教师群体全天共享资源。云桌面带来的优势包括标准化环境、在发生中断时快速恢复以及便于集中管理，从而帮助 IT 部门提供可靠的更新、升级和安全补丁。

这种灵活性和性能并不容易实现，但 H3C 与英特尔的技术合作使其成为可能。

Xingkun 表示：“我们的解决方案基于英特尔® Ultra Cloud Client，在性能、稳定性、兼容性、可管理性和个性化应用程序支持等方面实现了极佳平衡。英特尔的平台还提供强大的管理工具，包括外设安全管理和控制、批量软件更新、软件安全功能、权限管理和向用户桌面推送消息。”

从最终用户的角度来看，托管桌面提供了两全其美的方案。体验与他们熟悉的 PC 终端类似。但在幕后，简化的 IT 管理和更高的灵活性提供了一个定制化且高度可靠的桌面环境。

为 IT 团队和医院管理者带来的好处

虽然医院一线人员和后台员工在很大程度上受益于云桌面，但最大的受益者可能是 IT 员工和医院管理人员。

对于 IT 团队来说，虚拟桌面平台的集中管理功能简化了日常维护任务、操作系统升级以及终端用户的个性化软件更新。此外，托管桌面的稳定性和安全性可以降低崩溃和安全事件风险，从而进一步减轻医院 IT 负担。

医院管理人员从宏观层面可发现云桌面带来的好处。其员工拥有完成工作所需的工具，IT 团队可以自由地从事价值更高的任务。终端本身更可靠，更节能。由于内置安全功能，发生网络安全事件的风险较低。对于许多医疗保健业务经理来说，云桌面将是一个自然而然的选择。

H3C 在上海附近一家大型医疗中心的部署就是一个典型的例子。Xingkun 指出：“我们的云桌面解决方案在昆山东部医疗中心广泛部署。医院领导认为，该解决方案有效地解决了医生和护士工作站以及医院日常办公工作问题，IT 团队的一名成员现在可以管理数千个桌面。”

云桌面服务的未来

随着医疗保健数字化转型加速，越来越多的医院可能会转向云桌面，以解决运营难题并降低医院工作站的总拥有成本。

此外，虚拟桌面将在医院环境以外找到大量的用例。例如，H3C 为教育、远程办公和研发环境提供不同版本的云桌面平台。Xingkun 表示，该解决方案前景广阔，未来光明，尤其是在医疗保健领域。

Xingkun 指出：“医疗系统面临着一些严峻挑战，但当前的数字化转型浪潮带来了希望。智能医院在云桌面服务等创新技术的支持下，将有助于提高患者护理效率，让我们的公民和社会更加健康。”

 

本文由 insight.tech 编辑撰稿人 Teresa Meek 编辑。

远程医疗解决方案彻底改变农村医疗服务

Posted on by Micah Kaplan

有些情况会考验人们的耐心，比如在隆冬时节醒来时发烧、全身酸痛，不得不跑一趟医生诊所接受治疗。谁知道您到达那里之后，在医生为您看诊前要等待多长时间？在数字时代，轻微的不便可能会让人觉得非常麻烦，而且人们很容易忘记，在世界上的某些地区，获得医疗服务本身就障碍重重。

幸运的是，远程医疗解决方案最近取得的突破性进展，通过将医疗专业知识带到以前因地理位置或人口稀少而导致永久性医疗基础设施不切实际或过于昂贵的地方，有助于改善农村医疗服务。

Leonardo Melo，远程医疗解决方案提供商 Diagnext 的共同所有人和专家；Jason Miao，医疗物联网技术提供商 imedtac 销售总监；以及 Moji Ghodoussi，虚拟医护领域领导企业 Teladoc Health 业务创新和合作伙伴关系副总裁齐聚一堂，讨论远程医疗解决方案的进展、为农村居民和偏远地区提供医疗服务的挑战，以及实现患者医疗公平的方法（视频 1）。

视频 1。Diagnext 的 Leonardo Melo、imedtac 的 Jason Miao 和 Teladoc Health 的 Moji Ghodoussi 讨论了远程医疗解决方案的进步如何改善农村医疗服务的可获得性。（资料来源：insight.tech）

为什么农村或偏远地区难以获得优质医疗服务？

Leonardo Alves de Melo：这涉及各种问题。其中两个问题包括艰苦的环境以及缺乏药物和医疗设备等基本医疗投入。但主要还是缺乏合格的专业人员。所有这些问题都因复杂的后勤工作而进一步放大：医院诊所很少，缺乏财政资源和可靠的能源。Diagnext 已在拉丁美洲部分地区和亚马逊雨林开展业务 12 年，为当地群众提供医疗服务非常困难。

Moji Ghodoussi：过去几年也发生了重大变化；显然我们都对新冠疫情来袭时发生的情况记忆犹新。但医疗服务总是非常复杂，而且这种复杂性的原因并不限于地理位置。就农村医疗服务状况而言，归根结底是当地群众缺乏及时的临床专业知识。城市中心可以为居民提供科室齐全的专科医生，而农村地区则本来就没有这些资源。除了远程医疗之外，这个问题无法通过任何机制来解决。

令人惊奇的是，十多年前电信技术平台就已经可以做到这一点了。Teladoc Health 成立于 20 多年前，旨在利用该技术创建一个医疗服务专用平台，使医生能够不受地理位置或时区的限制为患者提供医疗服务。如今，通过采用远程医疗解决方案，任何农村地区都可以联系到其当地群众所需的任何专科医生。在过去三年中，采用率显著上升。

Jason Miao：即使目前亚洲部分国家的法规和法律仍然不允许进行远程医疗。但在新冠疫情期间，政府认为他们可能需要批准一些特殊情况，以便当时可以使用远程医疗。

亚洲的一些大城市——台北、曼谷、胡志明市——确实拥有良好且充足的医疗资源。但还有很多农村地区和山区。那么我们如何利用这项技术来提供帮助？新冠疫情引发了巨大的变化，技术正在帮助我们与时俱进。

在偏远地区提供优质的医疗服务需要哪些基础设施？

Leonardo Alves de Melo：任何类型的基础设施，即使是最常见的，在这些地区都可能成为一个挑战难题。例如，在农村地区，医疗设备计算机要正常运行，需要能源、空调和良好的空气质量。为了交换信息，他们需要计算机和支持最小技术环境的能力。他们还需要具有最低限度稳定性的电信服务，因为通信至关重要。

但是，当您想要提高容量、安全性和稳定性以向更多人提供更复杂的医护服务时，财务成本会大幅增加。考虑到这一点，在 DiagNext，我们开发了可降低实施和运营成本的技术；降低能耗和空调需求；节省本地设备的成本；以及实现高速处理和高容量，同时减少占用物理场地。

请跟我们讲一讲过去几十年来远程医疗的演变。

Moji Ghodoussi：20 年前的挑战在于连接性以及易用性方面。那时的连接是 3G 蜂窝网络——实际上当时 3G 是新技术。而带宽尚未问世。从那时起，技术就变得更容易为普通大众所使用。必须确保它不仅变得更好更快，而且还易于采用，因为并不是每个人都拥有电信博士学位。

当然，当您使用任何数字工具、基于云的工具时，安全性至关重要。在医疗服务和远程医疗领域，现在也涉及隐私保护问题。在 Teladoc Health，我们超越了我们自己的安全协议、加密级别等，以通过第三方认证来遵守所有关键标准——从 InfoSec 的 ISO 国际标准到 NIST 认证，甚至高信任度的 CSF 认证。

数字医疗转型的前沿有哪些技术进步？

Jason Miao：首先是医疗物联网。我们已经拥有许多用于收集重要数据的医疗设备，例如心电图、内窥镜等设备。非常强大的边缘计算可以与这些设备连接，采集高画质视频，实现非常稳定的数据转换。

另一点是 5G 带宽。医生可以利用高画质来观看几乎完全真实的视频。即使患者身处农村地区，5G 也可以克服这些基础设施问题。imedtac 可以将硬件、软件和云打包为现成的解决方案。

您能否分享一些在农村地区成功提供远程医疗解决方案的用例？

Moji Ghodoussi：我们通过中心辐射模式与主要医疗机构建立了合作伙伴关系，并且我们使城市中的临床医生能够每周每天向农村地区提供医疗服务。以下是远程医疗如何使农村人口受益的一个例子。

想象一下生活在农村地区的群众：他们出现中风症状，然后被送往当地一家医院，那里没有全天候值守的中风神经科医生，这在大多数地区都是常见情况。现在，通过远程医疗，他们可以联系到该地区值班的医生；医生通过远程医疗连接到该地点；在查看化验结果、CT 影像等之后的 15 至 30 分钟内，他们可以确诊是否中风。这些患者中 80%-85% 并非中风。因此，他们实际上可以在所处的当地医院获得所需的医护服务，而无需花两三个小时为该患者转诊，也避免了与此相关的额外费用。

Leonardo Alves de Melo：DiagNext 因其在亚马逊雨林早期诊断乳腺癌方面的工作而知名。在过去，那里需要几个月的时间才能完成确诊。今天则只需几分钟即可。一年内可以对数万名患者进行筛查，确诊出数千名高风险患者，并开展一百多台手术。

Jason Miao：还有一点是，即使是在台湾的医院，无论是分院还是急诊室，有些医生并非有把握诊治所有的病例。因此，即使在医院，他们仍然可以使用远程医疗来获得第二意见或咨询。

您如何与生态系统合作伙伴合作，在农村地区实现医疗服务？

Jason Miao：因为我们使用边缘计算作为连接不同医疗设备并上传到云端的网关，所以边缘计算对我们来说非常重要。因此，当我们前往亚洲各国时，我们会找到已经提供本地服务的合适的本地合作伙伴。不同的国家有不同的法规、不同的报销或保险，以及不同的文化。

英特尔始终将这些资源关联在一起。我们在亚洲拥有由英特尔领导的完整合作伙伴链。每当我们发现值得关注的新型号或新案例时，我们都能够从英特尔获得合适的资源。因此，我们非常感谢这种支持。

Moji Ghodoussi：我们也与英特尔合作多年，并且我们使用特定的英特尔硬件作为我们产品的一部分。最近，更重要的是，我们使用英特尔芯片组作为定制设计和定制制造的电子产品的一部分，这些电子产品是我们远程医疗设备产品组合的一部分。

我们如何不断改善农村社区的医疗服务？

Leonardo Alves de Melo：我们需要将农村社区的人口纳入他们的医疗服务范围。拥有最低限度的技术对个人医护服务有很大影响，但它需要进行定制。运营和投入成本较低的新通信方式和设备也很重要，对农村地区医院和诊所的信息技术的投资也很重要。

通过我们的扩展整合以及新的医疗设备和系统，我们将能够更好地实现无物理边界的医疗服务。我们正在实现技术支持的远程辅助手术，我们正在引入人工智能工具——所有这些都是为了使医疗服务更加高效。我们还为远程团队开发培训工具。

Jason Miao：在过去的几年里，远程医疗已经在各地得以实现，人工智能将帮助我们提升医疗服务。我们来看下一个问题，其与年龄有关。随着人口老龄化，我们没有足够的人力来照顾老年人。在 imedtac，我们也在考虑下一步，包括远程医疗绝对可以帮助我们拥有更好的退休生活。

Moji Ghodoussi：技术不断进步，为临床医生提供了更多的工具。在诊断方面，实际上可以在为病人看病之前就为医生提供帮助。这些技术进步确实使临床医生能够更好地为患者群体提供医疗服务。

我们与非营利组织 “World Telehealth Initiative” 建立了合作伙伴关系，该组织倡议医生和外科医生能够贡献出宝贵的时间向马拉维、多哥、埃塞俄比亚等国家；海地和波多黎各；孟加拉国、不丹和柬埔寨提供医疗服务。否则，这些医生将需要并且过去也常常前往这些地区。这是令人钦佩的，但现在他们不用前往当地，就可以为世界上的这些地区提供更多的医疗服务。

我确实想利用这个机会，感谢英特尔在过去几年中的合作伙伴关系，并对进一步推动技术发展和远程医疗发展的平台和解决方案的愿景表示赞许。因为在我看来，远程医疗是我们实现真正健康公平的唯一途径。

 

本文由文案编辑 Erin Noble 编辑。

位置情报与人工智能以及数字孪生结合的魔力

Posted on by Micah Kaplan

从安全摄像头到车载备份助手，跟踪和监控环境（或位置情报）在我们如今的生活中无处不在。但企业才开始了解到将位置情报与人工智能和数字孪生等技术匹配的固有优势。如果数字孪生模型的想法仍然显得有些神奇，请系好安全带。我们将把它带到下一个维度：时间。因为在特定时刻了解特定资产时，监控和空间感知不只是会影响安全性或缺陷检测。

当然，伟大的技术进步通常会伴随伟大技术的诞生。因此， 英特尔联邦和航空航天市场总经理兼高级总监 Tony Franklin能够解释清楚位置情报的整体概念：它在当前和未来可以解决的挑战，以及旨在帮助实现这一切的技术，包括英特尔的 SceneScape 平台（视频 1）。

视频 1。英特尔联邦和航空航天市场总经理兼高级总监 Tony Franklin 解释位置和情报以及使用人工智能和数字孪生的重要性。 

您如何看待数字孪生和位置情报的概念？

我认为我们都已经习惯了位置情报，甚至感觉不到它的存在。每个人的手机上都有 Google Maps 地图应用。任何有孩子的人都了解 Life360 应用：您可以确切知道某人在哪里、在那里呆了多久、移动速度如何。

但在业务方面，我们刚刚开始了解到从财务角度来看的位置情报的影响力有多么大。因此，对于类似 UPS 的运输公司，如果他们从 A 点到 B 点的定位不准确，则可能会造成数百万美元的损失。这对于可持续发展等事项也很重要。我最近了解到，在美国，27% 的气体排放量来自运输业。

而且除了位置情报之外，我认为我们开始真正了解的是基于时间的空间情报。这不仅仅与位置有关，还关系到我们在特定时刻是否真正了解周围发生的事情，或者是否了解资产、物品或人员的情况。数字孪生可让您可以重新创建空间，然后了解包括实时时间在内的特定时间，但如果您需要按下回放按钮进行分析，也可以这样做。

数字孪生的价值还在于，它有一个自然生成的抽象。我们知道它是现实世界的数字复制品，因此分析是在复制品上完成的，而不是对实际输入的数据进行分析。然后，数字复制品还可以将数据提供给多个应用。

当存在多种应用和不同类型的人工智能时，您的确有必要使用基于标准的技术，因为您可能需要一种 AI 来识别某些动物、人或资产，以及另一种 AI 来识别不同的汽车、天气或更多类似物理的模型。

位置情报可以解决企业面临的哪些挑战？

我认为最大的挑战之一是来自不同应用的数据孤岛化。例如，我们在手机上有大量的应用程序可以协同工作，但并不意味着这些应用上的数据也可以协同工作。

在商业领域，可能会有一种应用用于监控物理安全，但还有另一种应用用于监控工厂中的机器人等。它们都有摄像头、传感数据，但不会连接 —— 所有数据都位于不同的筒仓中。那么，如何将这些数据联系起来，以增强情景感知并做出更好的决策？理想情况下，更好的决策意味着要么省钱、要么有机会赚钱，要么创造其他价值，例如更安全的环境。

另一项挑战则只是需要思想上的转变。我们已经在使用的许多技术都来自游戏。如今，电子游戏非常真实，在游戏中，您可以看到 3D 环境中的所有内容。您了解位置；您还会收到多种感官数据，包括声音或环境数据。所有这些都与体验融合。因此，我们开始越来越多地将其融入我们的日常生活和业务中。

英特尔如何帮助企业部署数字孪生和人工智能？

总会有大量数据需要标注才能提供使用，而我们有很多工具可以将其联系起来。如果要实时接收流式数据，我们提供了英特尔® 发行版 OpenVINO™ 工具套件。您可以使用该套件应用推理，还可以为输入的特定数据选择最好的计算技术。

因此，您可以输入这些数据，应用推理，继续循环。然后，英特尔®Geti™平台允许您训练数据。它可以让您快速完成这项工作，而不需要成千上万张图像 —— 如果是用于计算机视觉的图像，则需要。并且任何人都不需要拥有数据科学博士学位。这就是 Geti 的用处。

中间有一个名为英特尔® SceneScape 的东西。类似于 Geti，SceneScape 也面向最终用户。将其视为位于 OpenVINO 和 Geti 中间的一个软件框架，可以真正简化数字孪生创建，使您所拥有的数据具有意义，并以影响深远的方式提供和使用这些数据。它允许最终用户以开放、标准的方式轻松部署人工智能技术，并利用其附属的最佳计算技术。

因此，输入传感器数据。然后，OpenVINO 将应用推理进行目标检测或分类等。您可以使用 Open Model Zoo——来自我们合作的所有合作伙伴的一系列模型，并通过 SceneScape 部署该模型。然后使用 Geti 训练数据。

SceneScape 还允许您在任何应用中使用任何传感器来监控和跟踪任何空间。我们已经习惯了视频，但也还有其他传感器可以让您增强环境情景感知。您可以使用激光雷达，所有电动和自动驾驶汽车都配备激光雷达，或者是环境、温度、辐射或声音传感器以及文本数据。

是否可以分享任何有关英特尔® SceneScape 正在实施的案例研究？

一直使用 SceneScape 的客户的一个共同点是需要更多地了解他们的环境（无论是他们所在的环境还是正在监控的环境），将传感器和数据连接起来并提供数据。他们希望增加这些数据的使用，并从中获得更多的情景感知。

因此，不妨想想机场。我们需要跟踪跟踪人们聚集的地点、跟踪队列时间等。在新冠疫情早期阶段时，我们有必要使用前额传感器跟踪身体测量数据。机场空间已受到监控，但现在需要连接数据。用于观察前额的传感器通常不会连接到正在查看队列的摄像头。现在，他们需要这样做。

它在数据点之间建立联系：您可以看到这个人已经排了 30 分钟的队，但您也会看到他们体温很高，并且没有采取社交隔离措施。或者您会看到这个人拿着袋子，正在跟袋子一起移动，现在袋子静止不动，但该人一直在移动。

如果愿意，您不仅可以查看航站楼 A 的 2 号门，还需要所有的航站楼和所有的门，你需要在单一虚拟管理平台上看到它们。这是 SceneScape 所能够带来的好处之一。

英特尔® SceneScape 如何解决隐私问题？

隐私绝对重要。但我们只是观察探测的实际物体 — 它是人，是物品，还是汽车？我们要确定它是什么，确定实际距离，确定运动方式。我们实际上不会进行面部识别或类似的任何操作。我们推理数据，但随后也允许客户实施他们针对特定应用所作的选择。

您认为这一领域下一步的发展方向是什么？

我期待的其中一个用例是患者数字孪生。现在，您会在不同地方有着不同的医疗记录。历史数据并没有与被实时数据一起使用，也不会被用于与可能适用于许多患者的大量病史数据进行比较。因此，我很希望能看到一个不断更新的病人数字孪生系统，那将是最理想的情况。

但是如果只跟踪医疗器械会怎样？手术前有 10 件医疗器械，您要确保手术结束后仍然有 10 件医疗器械，不会被无意中遗落在不应该遗落的地方。

因此，正如我刚才已提到的那样，有一些即时应用可以帮助当今的企业运营。然后是我认为我们都在期待的未来状态，我希望患者能拥有数字孪生。

我认为当企业开始意识到他们可以消除数据孤岛，并在各种应用中建立数据和系统之间的关系或联系——不仅是在一个房间，也不在同一个楼层，或者同一栋建筑，甚至可能跨越整个园区。他们可以开始获得实际价值，从而影响到利润 — 他们可以赚更多的钱，也可以节省更多的钱。

您最后还有什么重要的想法要和我们分享？

将交通状况视为一个用例；位置情报可以帮助拯救生命。我们发现客户会将 SceneScape 与这个应用结合起来看待。如今，许多汽车都配备了摄像头传感器（倒车传感器或前置摄像头），并且大多数十字路口都装有摄像头。但现在他们不再相互交谈。

那么，如果有一辆汽车正在快速行驶，并且还有一台摄像头可以看到行人靠近盲点，该怎么做呢。我希望汽车知道这一点，并开始自动减速。现在，大多数汽车在遭遇 另一辆骑车 时，如果行驶速度过快，将会自动开始减速。但如果不知道某个人正在拐角处，他们就无法做到这一点，因为他们看不到。或者说，即使摄像头可以看到，他们并不一定知道人离车有多远或车速有多快。

作为人类，我们进入汽车后，就知道它的速度有多快，知道是否有人走过来了。我们认为自己的大脑会将此视为理所当然。但摄像头并不理解这一点。因此，这是一种可以应用于当今的应用，一些城市实际上正在研究这些类型的应用。

这就是为何人工智能与这些技术以及传感器数据的集成如此重要。它使这些系统更加智能，并真正了解环境。同样，基于时间的空间情报：距离、时间、速度、物体之间的关系。

而这正是我们正在努力的目标 —— 与英特尔所拥有的庞大生态系统合作，让企业能够轻松实施这项技术。这是一个激动人心的时刻，我们期待帮助企业有所作为。

相关内容

要进一步了解位置情报的重要性，请收听 利用人工智能和数字孪生获取位置情报 并阅读 利用英特尔® SceneScape监控、跟踪和分析任何空间。如需了解英特尔的最新创新技术，请在 Twitter 上 @intel 并在 LinkedIn 上关注 英特尔公司。

 

本文由文案编辑 Erin Noble 编辑。

零信任带来持续的数据保护

Posted on by Micah Kaplan

在数字经济中开展业务需要应对重大风险，潜藏的网络攻击者和数据窃贼可谓无处不在。鉴于网络攻击随时可能出现，组织越来越多地寻求通过零信任架构来加强防御。

零信任的概念代表着业界对网络安全的重新思考：在无法验证安全无虞的 IT 环境中，该如何做到安全运营？即便入侵者成功侵入网络，在网络内部，他们也会在每一个环节遇到障碍，必须应对多重验证要求。零信任在用户、系统和设备每次尝试访问资产时都要求其经过验证过程。

“它的基本理念是不信任任何东西，核实一切，不作假设。根据需要，频繁进行重新验证，”零信任安全解决方案供应商 Zscaler 的 5G 全球副总裁 Ken Urquhart 指出。

网络安全团队的传统运营方式背后是一种“围攻心态”，即用一个或多个防火墙将“我们的 IT 设备”与网络攻击者隔开，Urquhart 表示，但是本地设备、云、边缘和物联网系统的激增扩大并模糊了简单周界的概念，给数据安全管理带来越来越大的挑战。

当攻击者成功侵入时，他们通常会潜伏在组织的网络中，平均长达 9 个月之久，不断窃取数据、制造干扰，却能做到不被发现。公司无法确切知道入侵者在他们的系统中潜伏了多久，也不清楚他们窃取了多少数据。Urquhart 指出，“当今的组织必须 100% 成功化解所有攻击，才能保证安全；而攻击者只需要成功侵入一次就够了。”“我们从上世纪 80 年代就开始使用防火墙，这背后的基本假设是，只要你进入防火墙内部，基本上就会被视为受信任的用户。”

Zscaler 提供持续数据保护，利用加密通信、监控和分析来防止攻击者窥探组织的行动，甚至让它们根本看不到组织。在 Zscaler 技术的保护下，设备和应用程序无法被网络上的其他设备检测到。Urquhart 说，“你无法攻击看不见的东西。”

该公司的理念是在整个网络环境中提供无缝体验，无论要跨越多遥远的地理距离。借助 Zscaler 的力量，客户得以专注于自己的核心业务，无需为抵御威胁而展开持久战。

零信任解决网络安全挑战

多年来，联邦快递 (FedEx)、英国石油 (British Petroleum)、西门子和通用电气等全球性组织一直依靠 Zscaler 来保护他们庞大的全球网络。例如，西门子将基础设施成本降低了 70%；而通用电气 80% 的员工在一项调研中表示，有了 Zscaler，他们工作起来更觉轻松。采用 Zscaler 技术后，一家长期为续勒索软件问题所苦的油气领域客户遭受的攻击惊人地减少了 3500%。

Zscaler 成立于 2008 年，正是零信任运动肇始之初。Urquhart 表示：“我们运营着一个安全的全球通信网络，每天扫描超过 18 拍字节的数据，处理 3200 多亿笔交易，相当于谷歌单日搜索次数的 20 多倍，同时每天还要处理超过 90 亿起突发事件和政策违规事件，每天运用 AI/机器学习解释超过 500 太字节的元数据和信号。”

在千变万化的威胁面前，组织往往需要艰苦捍卫他们的环境免受破坏。当新威胁层出不穷、而旧威胁像病毒变异般改头换面时，网络安全团队只能通过不断添加工具和协议来与之对抗。他们还必须保护组织为利用新功能而添加的新应用程序和系统。

“随着时间的推移，就产生了一大堆解决方案，它们需要不同的配置、不同的补丁级别、不同的补丁频率、不同的管理界面。” Urquhart 指出。要不了多久，这套程序就会变得过于复杂，从而可能会制造出更多漏洞。

雪上加霜的是，组织十分依赖这些他们无法（或没能力）控制的系统，Urquhart 补充道，“我们必须在不属于我们的远程通信系统上运营。我们必须通过不属于我们的网络运营。我们把数据放进不属于我们的公有云中。我们得到了安全性的许诺，但却鲜少有人邀请你进行完整的安全审计，并逐行检查每个漏洞的每段代码 — 即便受邀，也没有一个组织能够真正完整地执行这项任务。你必须信任别人的说法。”

而有了零信任，无论何时，当用户、设备、网络、应用程序和数据试图建立连接，它们都要经受多级持续验证，例如多因素认证、生物特征识别和硬件密钥。当用户试图从不同的设备、不同的地点、在不符合规律的时间登录时，也会被该程序识别出来，从而触发额外的验证步骤。

合作伙伴关系对数据安全管理具有至关重要的意义

Zscaler 的零信任架构依赖自动化和编排来实现实时监控和流量分析。数据在跨越多个国家/地区和大洲、穿越多云和网络时被加密和监控。为了实现这一切，Zscaler 与美超微 (Supermicro)、CrowdStrike 和英特尔等多个合作伙伴合作，采用它们提供的诸多技术解决方案。Zscaler 还从 40 个合作伙伴那里收集、共享和接收威胁情报，以便隔离、分析和创建阻断规则。

采用英特尔® 至强® 可扩展处理器的美超微硬件为 ZScaler 的边缘到云安全服务边缘 (SSE) 技术提供支持，该技术会先对所有边缘和远程工作人员的流量进行检查，然后再将其路由到目的地。

为减少攻击面，Zscaler 与 CrowdStrike 集成，通过多种方式最大限度地阻拦威胁的横向移动，确保只有受信任和受保护的设备能访问经授权的应用程序和数据。  Zscaler 会在未知和恶意文件到达最终用户之前将其拦截，并通过 CrowdStrike 触发跨平台控制操作。

借助 CrowdStrike 设备姿势评分，Zscaler 管理员可以通过配置策略，阻止来自低信任评分设备的访问，或只允许通过远程浏览器隔离访问，在提高用户办公效率的同时防止数据泄露。这有助于防止宝贵的知识产权和个人身份信息泄露，同时也可阻止勒索软件和其他恶意载荷进入。

此外，还有一个额外的好处：Zscaler 的方法减少了网络和通信基础设施，他说：“客户只需将他们的办公室、远程工作人员或数据中心连接到本地互联网。从那里开始，就由 Zscaler 来接手。”

对于 Zscaler 的零信任方法而言，来自英特尔等合作伙伴的技术是关键。随着英特尔对硬件进行优化，Zscaler 通常会率先将该技术应用于当前项目，因为它“无时不刻地致力于提高效率，” Urquhart 表示。

零信任是目前最高效也最有效的网络安全方法。它的概念并不那么好理解，因为与更简单的“我们在里面，攻击者在外面”的防火墙相比，它属于深层防御的范式。Zscaler 在这一领域已深耕 15 年，而且我们始终通过采用新技术和吸收客户反馈来不断改进我们的方法，” Urquhart 指出，“我们试图告诉世界，处理网络安全的方式不止一种。”

 

由 insight.tech 的副主编 Georganne Benesch 编辑。

利用伙伴关系解决医疗设备制造难题

Posted on by Micah Kaplan

当前正在发生一场医疗设备革命，这主要归因于全球人口老龄化、慢性病激增以及对诊断医学解决方案不断增长的需求。因此，解决方案提供商亟需满足这一新兴需求，并积极寻求各种途径来获得竞争优势，加速开发。

医疗设备制造商迫切想要取得进展，因而不断寻求出色的硬件组件。这一趋势的一个明显例子是医疗设备制造商更加重视实施增强型嵌入式存储选项。举例来说，许多制造商正在逐步弃用过时的硬盘驱动器 (HDD) 和消费级可移动媒体卡，而纷纷转向固态硬盘 (SSD)，特别是外形紧凑的单芯片 SSD。

“与硬盘驱动器或 SD 和 CF 卡相比，SSD 提供了速度和可靠性均大幅提升的存储功能，” Silicon Motion 嵌入式产品营销总监 Jason Chien 解释道，他同时也是用于 SSD 和其他固态存储设备的 NAND 闪存控制器的一名开发人员。“在医疗设备制造中，单芯片 SSD 因其紧凑的外形而成为首选。”

但为医疗设备采购最佳组件的过程充满了各种严峻挑战。鉴于医疗行业的高风险性，硬件可靠性、性能和数据安全方面的严格标准至关重要。运行环境也可能很严苛，通常需要定制配置。因此，确定合适的 SSD 解决方案也不像从目录订购常规产品那样简单。

鉴于这些复杂情况，硬件专家与医疗设备制造商密切合作，以打造量身定制的 SSD 解决方案，满足医疗行业的需求。这些战略伙伴关系不仅加速了先进医疗设备的上市，而且削减了开支，并攻克了最为艰巨的技术难关。重要的是，此类伙伴关系为即将开启的医疗 AI 应用程序的广泛运用奠定了基础。

为先进医疗设备提供 SSD

要了解此类协作的重大意义，就必须承认现成 SSD 存在的固有限制。各行各业纷纷采用 SSD 的主要动因是 NAND 闪存的价格越来越亲民，NAND 闪存是现代 SSD 中至关重要的非易失性存储组件。这一经济实惠的价格促使众多行业纷纷从 HDD 过渡到 SSD。

尽管如此，还是存在一个问题，由于 NAND 闪存提供商努力提高内存单元密度以降低成本，导致 NAND 在 SSD 中的质量和耐用性都大打折扣。虽然这对于消费类应用程序或某些工业应用程序来说并不是什么大问题，但在医疗环境中这个问题不容忽视。

为此，Silicon Motion 等 SSD 专家开发了创新解决方案，例如 FerriSSD 系列单芯片嵌入式存储。该系列产品采用专有技术，将时刻监控 SSD NAND 闪存组件运行状况，并在必要时采取纠正措施。因此，SSD 的运行寿命得以大大延长，并超过 NAND 组件的运行寿命，可满足医疗设备制造商的数据完整性要求。

除了能保护数据完整性，Silicon Motion 的 SSD 产品系列还具备至关重要的网络安全和数据隐私功能，可应对当今高风险的威胁环境。全磁盘加密可确保数据保密性，同时遵守 TCG Opal 2.0 和 AES 256 位加密标准。此外，数字签名技术还可以防御针对 SSD 固件的网络攻击，确保恶意攻击者无法篡改或入侵固件。

Chien 表示：“消费级 SSD 足以满足特定场景的需求。但医疗设备、精密制造和应用程序需要更高的性能、安全性和稳定性，因此需要一个更加成熟的解决方案。”（视频 1）

视频 1。对于医疗设备制造行业和其他将可靠性放在首位的行业来说，单芯片 SSD 是一个极具吸引力的选择。（来源：Silicon Motion）

医疗设备制造商克服了复杂挑战

医疗设备制造商利用针对其独特需求精心设计的 SSD 解决方案获得了巨大优势。同样值得注意的是，他们与硬件专家协作，从而有能力克服最为棘手的技术挑战。

例如，想想 Silicon Motion 与用于发射电磁辐射 (EMR) 的先进医疗设备的制造商合作的经验。由于 CT 扫描和 MRI 机器等医疗规程，EMR 在医疗环境中广泛使用。但该制造商设备产生的电磁干扰 (EMI) 导致软错误频频出现，危及了微芯片中内存单元的稳定性。

Silicon Motion 的工程师巧妙设计出定制化硬件和固件，此类硬件和固件不受 EMI 干扰，并能够迅速从软错误中恢复。其成果十分显著，可将制造商的软错误率降低 96%，并确保重要医疗设备在最需要时保持正常运行。

硬件专家和医疗设备制造商之间的伙伴关系提升了设计定制解决方案的能力，Chien 强调这一举措至关重要：“我们拥有了定制硬件和固件的能力，可满足独特的客户需求，无论客户想要提高可靠性，还是适应设计限制，都不在话下。”

这一定制化工作因 Silicon Motion 与英特尔之间的技术协作而在某种程度上得以增强。Chien 指出：“我们所有产品均基于英特尔平台开发。英特尔平台广泛应用于先进医疗设备，可最大限度地减少兼容问题，同时提供卓越的稳定性和可靠性。

医疗设备制造的光明前景

医疗设备制造商和硬件专家之间的协作已经带来了巨大价值。未来几年中，制造商可以从这些互惠互利的伙伴关系中获得更多优势。

Silicon Motion 预测到未来现场使用的先进医疗设备将不断升级，并已主动配备 SSD 和固件，以支持特斯拉风格的无线 (OTA) 更新。此外，该公司还在积极为医疗 AI 和物联网的兴起做准备。

与此同时，Silicon Motion 还在为医疗 AI 在物联网中的崛起做好准备。Chien 声称：“我们正在积极探索各种方法来定制我们的硬件和固件，力求最好地满足 AI 应用的需求。随着技术的不断发展，医疗设备的需求也在不断演变。AI 和物联网代表了医疗应用的未来，而我们正在与医疗设备合作伙伴一起，协作打造这一未来。”

 

本文由 insight.tech 的副主编 Christina Cardoza 编辑。